Comparison of the Spinal Loads Produced by Carrying a Backpack and Carrying a Person Piggyback: Crossfit Training
Notice bibliographique
Résumé
Background of Study: The piggyback carry has recently become a more popular exercise through the emerging sport of CrossFit. Purpose: The purpose of this study was to determine any biomechanical differences that exist in the lumbar spine when carrying no load, a backpack, and a person on the back. Methods: Twelve 70+ kg male strength-trained athletes were recruited from local CrossFit affiliates. One child with a mass of 27 kg was recruited to be the piggybackpassenger for all participants. All participants and the guardian of the passenger signed an informed consent form. The participants walked three times over a force plate for each of three conditions: carrying no load, a 27 kg backpack, or a 27 kg passenger. Three Canon video cameras recorded each trial, and Dartfish Software was used to measure joint angles and gait parameters. Maximal trunk inclination angle, was used in a static lumbar spine model to calculate trunkmuscle torque and force, and lumbosacral joint reaction forces. Results: Both load conditions produced compensatory trunk flexion; trunk flexion increased from no load to piggybacking to backpacking. Mean values were determined for each participant for each variable, and these values were compared amongst the three conditions of no load, piggybacking, and backpacking. An alpha value of 0.05 was used. Conclusion: Due to the more extreme position of the trunk andgreater magnitude of torques, backpacking likely places the musculoskeletal system at more risk than does piggybacking.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».